ต้นทุนที่ซ่อนอยู่ของ AI ฝึกข้อมูลหนังสือ เมื่อยักษ์เทคทำลายหนังสือหายาก

AI ฝึกข้อมูลหนังสือคืออะไร และทำไมต้องแลกด้วยการทำลายหนังสือ

AI ฝึกข้อมูลหนังสือ คือกระบวนการที่บริษัทเทคโนโลยีซื้อหนังสือที่มีอยู่แล้วทั้งใหม่ เก่า และมือสอง มาแปลงเป็นไฟล์ดิจิทัลทีละหน้าเพื่อนำข้อความ ภาษา และโครงสร้างเนื้อหาไปใช้ฝึกโมเดลปัญญาประดิษฐ์ให้ตอบคำถามและสร้างเนื้อหาได้ใกล้เคียงมนุษย์มากที่สุด โดยไม่จำเป็นต้องขอหรือได้รับอนุญาตจากผู้เขียนทุกคนอย่างชัดเจนในแต่ละเล่ม เป็นกระบวนการที่เน้นประสิทธิภาพของข้อมูลมากกว่าการรักษาเนื้อหนังสือและคุณค่าทางวัฒนธรรมของงานเขียน

สิ่งที่น่ากังวลคือการฝึก AI ด้วยหนังสือไม่ใช่เพียงการสแกนเนื้อหา แต่หลายกรณีหมายถึงการทำลายเล่มจริงตั้งแต่ขั้นตอนตัดสันจนถึงทิ้งกระดาษหลังดึงข้อมูลเสร็จพนักงานในคลังแห่งหนึ่งรายงานว่าหน้าที่หลักคือฉีกหนังสือออกเป็นหน้าและสแกนเพื่อสร้างข้อมูลฝึก AI โดยหนังสือที่ถูกซื้อไปจะถูกเก็บแค่ในรูปไฟล์ดิจิทัลเท่านั้น ผู้เขียนที่หนังสือมือสองของตนถูกซื้อไปสแกนไม่ได้รับการแจ้งเตือนหรือค่าตอบแทนใด ๆ หลังการซื้อขายจบลง คำถามจึงไม่ใช่แค่ว่า AI เก่งขึ้นอย่างไร แต่คือเราแลกอะไรไปบ้างเพื่อให้มันเก่งขึ้น

โกดังลับ หนังสือหายาก และความกลัวของยุคข้อมูลสังเคราะห์

กรณีที่ทำให้ภาพนี้ชัดขึ้นคือการสืบสวนที่ซ่อน AirTag ในหนังสือหายากเล่มหนึ่งในคำสั่งซื้อเกือบพันเล่มจากแพลตฟอร์มหนังสือมือสอง ก่อนติดตามจนพบปลายทางที่คลังสินค้าในลาสเวกัสของบริษัทอีคอมเมิร์ซรายใหญ่ที่มีหน่วยงานหนึ่งซึ่งพนักงานบอกตรง ๆ ว่า “งานของเราคือสแกนหนังสือทั้งหมด” หนังสือถูกตัดสันเพื่อให้เข้าสแกนเนอร์ความเร็วสูงทีละหลายหน้า จากนั้นเล่มจริงถูกทิ้งโดยไม่มีการเก็บรักษา ขั้นตอนสำคัญคือการสแกนเลข ISBN เพื่อบันทึกว่าหนังสือเล่มใดถูกดึงข้อมูลแล้ว ทำให้บริษัทสามารถไล่ล่าช่องว่างในคลังความรู้และซื้อหนังสือที่ยังไม่มีข้อมูลในระบบได้อย่างแม่นยำ

ทำไมต้องมุ่งไปที่หนังสือเก่าและมือสอง คำตอบไม่ใช่เรื่องโรแมนติกของงานคลาสสิก แต่คือความกลัวต่อ “model collapse” เมื่อโมเดล AI ถูกฝึกซ้ำบนข้อความที่สร้างโดย AI เองจนคุณภาพและความหลากหลายลดลงเรื่อย ๆ งานวิจัยหนึ่งพบว่าบนเว็บใหม่ใกล้ 9 แสนหน้าแล้วกว่า 74.2 เปอร์เซ็นต์มีเนื้อหาที่สร้างด้วย AI บริษัทข้อมูลหนังสือรายหนึ่งเคยโปรโมตหนังสือก่อนปี 2022 ว่าเป็น “ข้อมูลสะอาด” ที่ไม่ปนข้อความจาก AI หรือการป่วนข้อมูล ดังนั้นหนังสือหายากที่มนุษย์เขียนจริงจึงกลายเป็นวัตถุดิบทองคำในยุคที่อินเทอร์เน็ตถูกท่วมด้วยข้อความสังเคราะห์ และถูกป้อนเข้าสแกนเนอร์โดยแทบไม่มีใครถามถึงชะตากรรมของเล่มจริง

ลิขสิทธิ์ AI training กับช่องโหว่ที่ผู้เขียนต้องจ่ายแทน

ประเด็นลิขสิทธิ์ AI training คือหัวใจของเรื่องนี้ เพราะการเปลี่ยนหนังสือเป็นไฟล์ฝึก AI กำลังขยับเส้นแบ่งระหว่างการใช้ผลงานอย่างเป็นธรรมกับการดูดเนื้อหาของคนทั้งโลกไปอยู่ในมือไม่กี่บริษัท แนววินิจฉัยหนึ่งมองว่าการแปลงหนังสือที่ได้มาอย่างถูกต้องเป็นไฟล์ฝึกโมเดลเป็นการใช้ผลงานแบบดัดแปลงที่เข้าเกณฑ์การใช้โดยสุจริต ในขณะที่รายงานอีกฉบับเตือนชัดว่าการฝึกโมเดลเชิงพาณิชย์ไม่ได้เข้าข่ายใช้งานอย่างเป็นธรรมโดยอัตโนมัติทุกกรณี พูดง่าย ๆ คือกฎหมายยังเปิดพื้นที่สีเทาให้บริษัท AI ขยายการดูดข้อมูลต่อไปได้ ตราบใดที่ยังไม่ถูกทดสอบในศาลอย่างชัดเจน

ความไม่สมดุลนี้ยิ่งหนักขึ้นเมื่อมองจากมุมผู้สร้างสรรค์ ผู้เขียนที่หนังสือมือสองถูกซื้อไปสแกนไม่ได้รับทั้งสิทธิในการตัดสินใจหรือส่วนแบ่งมูลค่าที่โมเดลสร้างขึ้นในอนาคต สมาคมสำนักพิมพ์และผู้ขายหนังสือในบางประเทศถึงขั้นประกาศว่าการสแกนหนังสือเพื่อใช้กับ AI ถือว่าละเมิดลิขสิทธิ์ไม่ว่าได้หนังสือมาอย่างไร กลุ่มองค์กรภาคประชาชนมากกว่าสิบกลุ่มก็ยื่นเรื่องต่อหน่วยงานกำกับดูแลการค้าให้ตรวจสอบบริษัท AI ที่ซื้อและทำลายหนังสือจำนวนมาก โดยมองว่าการรวบรวมข้อมูลไว้กับยักษ์เทคไม่เพียงกระทบผู้เขียน แต่ยังทำให้คู่แข่งรายเล็กเข้าถึง “ข้อมูลฝึก AI” ได้ยากและแข่งขันลำบาก ถ้าเราปล่อยให้ช่องโหว่นี้อยู่ต่อไป ผู้ที่เขียนโลกด้วยปากกาอาจต้องจ่ายค่าพัฒนา AI ด้วยงานของตัวเองโดยไม่รู้ตัว

เมื่อข้อมูลฝึก AI ลามจากห้องสมุดสู่ฐานข้อมูลสายการบิน

การสร้างโมเดล AI ยุคนี้ไม่หยุดอยู่แค่การทำลายหนังสือ หัวใจของการแข่งขันคือการหาข้อมูลฝึก AI ที่หลากหลายและใกล้เคียงโลกจริงที่สุด กรณีหนึ่งที่สะท้อนแนวคิดนี้คือบริษัทเทคอีกเจ้าซื้อสิทธิใช้ข้อมูลจากสายการบินที่ล้มละลาย ซึ่งไม่ใช่แค่เอกสารสาธารณะ แต่รวมถึง Wiki ภายใน อีเมล ซอร์สโค้ด ตารางข้อมูลเอกสาร และข้อมูลปฏิบัติการอีกจำนวนมาก โดยประกาศว่าจะนำไปปรับปรุงผลิตภัณฑ์และฝึกปัญญาประดิษฐ์ แม้ศาลจะกำหนดให้ต้องมีบริษัทภายนอกช่วยล้างข้อมูลที่ระบุตัวบุคคลก่อนส่งมอบ แต่สหภาพแรงงานด้านการบินยังออกมาคัดค้าน โดยชี้ว่าการเชื่อมโยงชุดข้อมูลต่าง ๆ เข้าด้วยกันอาจละเมิดความเป็นส่วนตัวได้อยู่ดี

แนวโน้มนี้บอกเราว่าในสายตาบริษัท AI ข้อมูลที่มีค่าไม่ได้จำกัดอยู่ในหนังสือหรือเว็บไซต์ แต่ครอบคลุมทุกสิ่งที่สะท้อนการสื่อสาร ขั้นตอนงาน และการตัดสินใจขององค์กรจริง ๆ เป้าหมายคือสร้างโมเดลที่เข้าใจโลกธุรกิจและกระบวนการทำงานอย่างลึก ทำให้ข้อมูลภายในที่เคยถือว่าเป็น “หัวใจองค์กร” กลายเป็นสินทรัพย์ที่ถูกประมูลและนำไปฝึกโมเดลแทน สำหรับผู้ใช้ทั่วไป นี่หมายความว่าเรากำลังใช้บริการดิจิทัลที่ฉลาดขึ้นได้ด้วยข้อมูลของคนทำงานจริงในภาคส่วนต่าง ๆ แต่คำถามคือพวกเขามีสิทธิ์เลือกหรือปฏิเสธมากแค่ไหน ขณะที่เรายินดีรับ AI ที่ทำงานคล่องขึ้น

เราจะปกป้องผู้เขียนและผู้อ่านในยุคทำลายหนังสือเพื่อปั้น AI ได้อย่างไร

เมื่อเห็นภาพทั้งโกดังที่ตัดสันและทำลายหนังสือหายาก ข้อมูลสายการบินที่ถูกแปลงเป็นวัตถุดิบฝึกโมเดล และช่องโหว่ลิขสิทธิ์ที่เอื้อให้ยักษ์เทคกอบโกย “ข้อมูลฝึก AI” ได้ต่อเนื่อง สิ่งที่สังคมควรทำไม่ใช่แค่โวยเรื่องหนังสือถูกทำลาย แต่ต้องเรียกร้องกติกาใหม่ที่ชัดเจนกว่าการตีความการใช้โดยสุจริตแบบเดิม รายงานของหน่วยงานลิขสิทธิ์เองก็เตือนแล้วว่าการฝึกโมเดลเชิงพาณิชย์ไม่ได้เข้าข่ายการใช้แบบเป็นธรรมโดยอัตโนมัติ นักกฎหมายด้านทรัพย์สินทางปัญญาในบางประเทศชี้ด้วยว่ากฎหมายต้องการ “ความยินยอม” ทั้งในขั้นตอนรวมชุดข้อมูลและขั้นตอนฝึกโมเดล โดยไม่มีแนวคิดการใช้โดยสุจริตมาช่วยอุ้ม

สำหรับผู้เขียนและผู้อ่านทางออกไม่ใช่การปฏิเสธ AI ทั้งหมด แต่คือการต่อรองให้เทคโนโลยีเคารพต้นทางความรู้มากขึ้น เราควรผลักดันให้มีระบบอนุญาตที่โปร่งใส การแบ่งปันผลประโยชน์ให้ผู้สร้างสรรค์ และการเปิดเผยแหล่งข้อมูลฝึกโมเดลอย่างตรงไปตรงมา ขณะเดียวกันผู้ใช้ทั่วไปควรถามตัวเองว่าเรายินดีใช้ AI ที่ตอบดีแต่พึ่งพาการทำลายหนังสือโดยไม่รับผิดชอบหรือไม่ หากโลกยอมรับการฝึกโมเดลที่ดูดกลืนหนังสือและข้อมูลการทำงานของคนจำนวนมากโดยไม่มีการคุ้มครองที่เท่าเทียม เราอาจได้ AI ที่ฉลาดขึ้น แต่สังคมที่เคารพงานเขียนและความเป็นส่วนตัวอาจถอยหลังไปอีกหลายก้าว